Especialización en Big Data e Inteligencia de Negocios
Permanent URI for this collection
Browse
Browsing Especialización en Big Data e Inteligencia de Negocios by Subject "Clustering"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item Caracterización de clientes de la empresa New Stetic(Universidad Católica Luis Amigó, 2023) Quintero Patiño, David A.; Taborda Ospina, Viviana; Parra Sánchez, Juan S.; Parra Sánchez, Juan S.Esta investigación se plantea desde la necesidad de la empresa New Stetic por conocer la distribución de sus clientes para lograr la fidelización de sus marcas, lo cual representa un aumento en los ingresos que genera la venta de sus productos para el sector odontológico. Para darle solución a la necesidad de New Stetic, se ha tomado como muestra los datos de las transacciones de las ventas en los años comprendidos entre el 2017 y febrero de 2023, se contó con un total de 789 registros de clientes, donde se implementó la técnica de Clustering por medio del algoritmo de K-Means realizado en Python. Para el cumplimiento de los objetivos, se utilizó las fases de la metodología CRISP-DM encontrando como resultado tres segmentos de clientes para la implementación de la estrategia comercial con la metodología Design Thinking.Item Modelo de machine learning enfocado en la retención de los clientes del sector retail de la moda(Universidad Catolica Luis Amigo, 2022) Chalarca Restrepo, Andrés F.; Gómez Martínez, Jonatan A.; Piedrahita Londoño, Lina M.; Giraldo Mejía, Juan C.Este trabajo de grado está enfocado en Proponer un modelo de machine learning enfocado a la retención de los clientes del sector retail de la moda y así generar las métricas necesarias para la toma de decisiones y el oportuno diseño de estrategias innovadoras, para la clasificación y retención de sus clientes. Para el desarrollo de este estudio se utilizaron 69768 registros de una empresa del sector retail. Para alcanzar los objetivos propuestos en este trabajo, se utilizará la metodología CRISP-DM (Cross-Industry Standard Process for Data Mining) La metodología CRISP-DM la cual es útil para el desarrollo de modelos analíticos a partir de datos, estos datos se originan dentro del negocio y con ellos pretende anticiparse a futuros riesgos de la compañía y así disponer de los recursos o medidas necesarias para solucionar las contingencias. De acuerdo con los resultados obtenidos mediante un análisis estadístico combinado con técnicas de machine learning se pudo comprender el comportamiento de los clientes de la marca Carrera en un periodo determinado, donde se entendió que el valor agregado de la marca radica fundamentalmente en los descuentos ofrecidos hacia los clientes.